snapinfo 님의 블로그

딥러닝 최적화 함수(Optimizer) 비교 최적화 함수란? 손실 함수(Loss)를 줄이기 위해 가중치(Weight)를 조정하는 알고리즘입니다. AI가 더 똑똑해지도록 도와주는 조정자 역할을 해요! 대표적인 최적화 함수 종류 + 실제 예시 1. SGD (확률적 경사 하강법) 설명: 데이터를 하나씩 보며 빠르게 업데이트함. 실제 예: 실시간으로 고객 클릭 정보를 반영하는 추천 시스템. optimizer = torch.optim.SGD(model.parameters(), lr=0.01) 2. Momentum 설명: 이전 방향을 기억하며 가속도를 더함. 실제 예: 빠르게 반응해야 하는 게임 AI. optimizer = torch.optim.SGD(model.paramet..

🎯 손실함수(Loss Function)란?손실함수는 인공지능이 예측한 값이 실제 정답과 얼마나 다른지를 수치로 계산해주는 함수입니다.손실(Loss)이 작을수록 AI가 더 잘 맞혔다는 뜻이에요!✅ 대표 손실함수 5가지 + 정의, 수식, 예시, 쉬운 설명🟢 1. L1 Loss (절대값 손실)정의: 예측값과 실제값의 절대 차이를 계산하는 손실 함수입니다.수식: \( L_1 = |y - \hat{y}| \)👉 예측과 실제 값의 차이를 그냥 '얼마나 떨어졌는지' 직접 비교하는 수식이에요.예시: \( y = 120, \hat{y} = 100 \Rightarrow L_1 = |120 - 100| = 20 \)👉 120이 정답인데 100으로 예측했다면 20만큼 틀린 거예요.쉬운 설명: L1은 "틀린 만큼만 점수..

Supervised Learning, Unsupervised Learning, Self-Supervised Learning은 인공지능이 데이터를 학습하는 방식에 따라 나뉘는 대표적인 세 가지 유형입니다.아래에서 핵심 개념, 차이점, 예시를 쉽고 명확하게 비교해드릴게요.✅ 한눈에 보는 비교표항목Supervised(지도학습)Unsupervised(비지도학습)Self-Supervised(자기지도학습)🎯 학습 방식입력 + 정답(Label) 모두 제공정답(Label) 없이 입력만 제공정답을 스스로 생성해서 학습🧠 목적예측 가능한 모델 훈련숨은 구조/패턴 발견입력 내부의 관계 학습📦 데이터라벨링 필요 (비용 큼)라벨 없음라벨 없이 가능, 성능은 지도학습급📘 예시고양이/개 분류, 집값 예측고객 군집화, 이상치..

딥러닝이나 머신러닝 공부하다 보면 자주 나오는 개념인 텐서 표현과 벡터 표현이 헷갈릴 수 있어서 정리해봅니다.벡터 vs 텐서한 줄 요약:벡터는 1차원 배열이고, 텐서는 0차원(스칼라)부터 여러 차원까지 포함하는 모든 데이터 구조입니다.1. 기본 개념 비교구분벡터 (Vector)텐서 (Tensor)정의1차원 수의 배열n차원 수의 배열 (0차원~무한차원)차원 예시[1, 2, 3][[[...]]] 또는 (3, 4, 5) 등포함 관계텐서의 한 종류벡터, 행렬 모두 포함하는 상위 개념직관일렬로 나열된 숫자여러 격자 안에 배치된 숫자들2. 코드 예시벡터 (1차원):v = np.array([2.0, 3.5, -1.2])텐서 (3차원 이미지 RGB 예시):image = torch.randn(32, 32, 3)3. 텐서..

머신러닝(ML) vs 딥러닝(DL)한 줄 요약: 딥러닝은 머신러닝의 한 분야로, 인공신경망을 사용하여 데이터를 스스로 학습하는 고급 학습 기법입니다.1. 개념 차이항목머신러닝 (ML)딥러닝 (DL)정의데이터에서 패턴을 학습하는 알고리즘신경망을 이용한 머신러닝의 하위 분야특징 추출사람이 직접 설정기계가 자동으로 추출데이터 요구량비교적 적은 양많은 양 필요구조선형회귀, SVM 등CNN, RNN, Transformer 등해석 가능성높음낮음 (블랙박스)2. 예시 비교문제머신러닝 방식딥러닝 방식이메일 분류Naive Bayes, SVMRNN, Transformer이미지 인식특징 직접 설정CNN으로 자동 추출음성 인식MFCC 등 수동 특징 추출WaveNet, RNN 기반 학습3. 포함 관계인공지능 (AI) └── 머..

인공지능 학습 방법 중에서 가장 중요한 세 가지,지도학습(Supervised Learning), 비지도학습(Unsupervised Learning), 강화학습(Reinforcement Learning)이 세 가지를 쉽고 명확하게 정리해드릴게요.✅ 인공지능 학습 방법 3가지구분지도학습비지도학습강화학습🌟 핵심 개념정답(라벨)이 있는 데이터를 학습정답 없이 데이터 구조를 학습보상(Reward)을 통해 스스로 학습🎯 목표정확한 예측패턴 발견보상을 최대화하는 행동 선택📘 예시사진 → 고양이/개 분류, 집값 예측고객 군집화, 추천 시스템알파고, 로봇, 게임 에이전트💡 학습 방식입력과 정답을 쌍으로 제공입력만 제공하고 유사한 것끼리 묶음시행착오를 통해 스스로 경험 1️⃣ 지도학습 (Supervised Lear..